几种常用油品拉曼光谱的检测及分析

采用拉曼光谱技术检测不同种类油品,探索汽油、柴油、石脑油等常用油品的拉曼光谱图的规律性。方法:利用自行研制的785nm激发波长便携式拉曼光谱仪检测150例种类不同的油品,并对这些油品的拉曼光谱图进行拉平及归一法处理。结果:汽油、柴油、石脑油、航煤这四大类油品的拉曼谱图具有各类的特点及规律,根据其中烯烃峰的拉曼位移及对应峰的强度可以对汽油及石脑油进行鉴别,并且可以筛查出一部分不合格汽油。利用拉曼光谱法检测不同种油品其操作简便,无需前处理,需要的样本量小,不同种油品的拉曼位移和强度上存在着差异,拉曼光谱法在建立油品现场快速筛查、检测及鉴别方法上具有很大潜力。     

基于激光拉曼光谱的水面油膜厚度测量方法研究

为了实现水体表面油膜厚度的快速非接触检测,基于激光拉曼光谱检测技术,搭建了水体表面油膜厚度拉曼光谱检测系统。以532 nm激光作为激发光源,以常见的柴油和汽油为例研究了不同油品的拉曼光谱特性,研究结果表明,油膜拉曼光谱响应特性与油品密切相关,相同油膜厚度情况下不同油品的拉曼光谱曲线有明显的差异,97#汽油在1 651 cm-1光谱强度要高于90#汽油。随着油膜厚度的增加,柴油316和1 451 cm-1光谱强度和汽油1 651 cm-1拉曼位移光谱强度增加,油拉曼光谱信号变强;根据油水界面拉曼光谱特征,设计了油膜厚度计算因子,实验证明随着油膜厚度增加,油膜厚度计算因子r_film呈下降趋势。可以将油膜厚度计算因子作为水体表面油膜厚度测量的一种依据。     

一种基于拉曼光谱的石油产品快速分类方法

提出了一种基于拉曼光谱的石油产品快速分类方法.首先,利用经过谱图预处理的石油产品训练样本拉曼谱图构建模型知识库,计算各类别的特征拉曼谱图和类内阈值;其次,将石油产品测试样本的拉曼谱图经过相同的预处理,再计算其与各类别特征拉曼谱图的线性相关系数,若最大相关系数大于或等于最大相关系数对应类别的类内阈值,则该样本属于此类别....     

基于拉曼光谱的汽油牌号快速识别

提出了一种基于拉曼光谱的汽油牌号快速识别方法。该方法首先基于已知牌号的成品汽油样本进行建模,获取不同牌号成品汽油建模样本的拉曼谱图,经过谱图预处理后对谱图进行主成分分析(principal component analysis,简称PCA),获得载荷矩阵和得分矩阵,同时分别计算不同牌号汽油样本的平均得分向量,即不同牌号的得分中心坐标;然后对未知牌号汽油样本进行识别,先将未知牌号汽油样本拉曼谱图进行相同的谱图预处理,再计算该样品在载荷矩阵上的得分向量,根据PCA类中心最小距离法,计算该得分向量到不同牌号的得分中心坐标的欧式距离,依最小距离直接确定汽油牌号。针对45个取自国内不同炼油厂的成品汽油样本的实验结果表明这些汽油样本拉曼谱图经谱图预处理和PCA后,不同牌号汽油样本在主元得分空间上存在明显类间距,使用PCA类中心最小距离法可实现汽油牌号快速准确的分类。     

基于拉曼光谱和模式识别算法的软玉产地鉴别

利用自行研制的便携式拉曼光谱仪,研究了甘肃、青海和新疆3个产地软玉的拉曼光谱特征,并对其光谱差异进行解析;基于马氏距离判别方法和随机森林判别方法实现了3个产地软玉的无损鉴别。结果表明:利用马氏距离判别方法和随机森林判别方法可以对具有相同拉曼峰的不同产地的软玉进行鉴别,鉴别准确率分别为87.5%和95.83%。     

拉曼光纤技术快速无损鉴别甲硝唑片

采用光纤探头直接放在甲硝唑片上进行检测,采集谱图,对拉曼光谱峰进行指认,并改变测定条件(药品隔铝塑包装、刮除包膜)进行测定。建立了光纤传感技术结合拉曼光谱快速无损鉴别甲硝唑片的方法,所测药物图谱峰形良好、峰强明显、指纹性强、测定快速准确,可瞬间获得片剂的特征图谱。样品无需进行前处理,可无损鉴别。药片检测时,是否隔铝塑包装和刮除包膜不影响谱图识别。本法快速、准确、专属性强、灵敏度高,可用于对甲硝唑片进行有效的鉴别。     

基于紫外拉曼光谱的转基因大豆油快速识别方法研究

转基因技术对实现作物增产增质,降低农药使用量,降低生产成本等具有重要作用,但对生态环境也存在一定的潜在威胁。为了防止转基因大豆在食品化中的滥用,对转基因产品快速鉴别技术的研究尤为迫切。紫外拉曼光谱检测技术具备外场远距离无损遥测检测,简单高效,快速准确等优点,可有效用于物质遥测鉴别领域。基于紫外拉曼光谱的转基因/非转基因大豆油以及与其他类别食用油鉴别方法,采集了五种不同食用油(两种品牌转基因/非转基因大豆油各500组样本和一种稻米油100组样本,共2 100组样本)在3 500~400 cm-1(268~293 nm)范围内的日盲紫外拉曼光谱信息,为提高光谱数据的信噪比并保证分类识别的准确性,对上述光谱数据采用Savitzky-Golay滤波降噪、基于自适应迭代加权惩罚最小二乘法(airPLS)的基线校正以及多元散射校正(MSC)的光谱数据修正等预处理。根据大豆油的紫外拉曼指纹图谱,分析出主要化学成分包含脂肪类、蛋白质类、酰胺类。将每种大豆油样本按1∶1划分为训练集和测试集,输入训练集数据至支持向量机(SVM)进行训练,采用10折交叉验证建立最佳模型,识别准确率达99.81%,对转基因大豆油的判别效果显著;采用主成分分析法(PCA)进行数据降维处理,提取出8个主成分,累计贡献率为74.84%,可代表大部分原始数据特征。在此基础上,将预处理后的光谱数据按4∶1划分为训练集和测试集,采用偏最小二乘回归判别分析方法(PLS-DA),结合10折交叉验证法建立全谱的最佳PLS-DA模型(判别阈值设置为0.5),判别准确率达到70.95%。研究表明,紫外拉曼光谱分析方法可较为准确地鉴别非转基因/转基因大豆油,同时可鉴别大豆油与稻米油,实现对转基因大豆食品的快速无损鉴别,可望成为转基因大豆油及其食品的现场检测新的技术途径,对推动转基因产品遥测鉴别技术的发展具有进步意义。     

荧光指纹技术——化学试剂质量检测新工具

产品质量控制一直是工业生产的重点,但缺乏简便可靠的检查方法。利用荧光指纹技术对不同厂家和相同厂家不同批次的色谱纯正己烷进行了研究。结果表明,不同厂家和相同厂家不同批次的产品的荧光指纹都有差异,国产的正己烷普遍荧光峰数量多、强度高、变化大,反映出杂质种类多、含量高、产品质量不稳定的特点。而进口著名品牌的产品则荧光峰数量稳定,且强度低。这个研究表明,荧光指纹技术在产品质量检测方面具有潜在价值。     

拉曼光谱特征提取在化学纤维定性鉴别中的应用

拉曼光谱作为快速、无损的检测技术受到越来越广泛的关注,已经成功的应用于过程监控、质量监测、考古鉴定等领域。针对纺织纤维拉曼光谱的特性,提出了一种基于特征提取的拉曼光谱定性鉴别方法。该方法通过直接测取织物、纤维的激光拉曼光谱,并结合光谱预处理技术与特征峰提取、匹配识别方法,能够定性地鉴别织物、纤维的成分归属,对纺织品检验中的难点化学纤维成分的鉴别效果尤其显著。利用94份测试样品对织物成分中普遍存在的4种纤维品种——涤纶、腈纶、锦纶和粘胶进行了鉴别以验证算法的有效性。实验结果表明,该鉴别方法快速、有效,并具有很好的扩展性能,且该方法属纯粹的光学方法,需要样品量少、无需前处理,测试过程对样品无损,不产生化学污染物,适宜对各类织物成分的定性鉴别,突破了现有检测方法存在的局限。     

激光拉曼光谱法无损分析鉴别川贝母

利用激光拉曼光谱技术快速、准确鉴定川贝母与其混淆品。根据药材所含的化学成分不同,致使药材的拉曼峰不同,测定多个川贝母样本及混淆品的拉曼图谱。川贝母的拉曼光谱图在442,480,863,941,1 083, 1 129,1 342,1 463,2 910 cm-1处出现强峰,在111,302,360,409,527,579,618,718,767,1 052, 1 083, 1 207,1 261 cm-1处出现了较明显的拉曼峰;构建了川贝母的拉曼指纹图谱,可与其混淆品土贝母、平贝母、光慈姑、草贝母进行区分;采用激光拉曼光谱技术可快速无损分析鉴别川贝母。     

Identification of waste cooking oil and vegetable oil via Raman spectroscopy

This paper made a qualitative identification of ordinary vegetable oil and waste cooking oil based on Raman spectroscopy. Raman spectra of 73 samples of four varieties oil were acquired through the portable Raman spectrometer. Then, a partial least squares discriminant analysis (PLS‐DA) model and a discrimination model based on characteristic wave band ratio were established. A classification variable model of olive oil, peanut oil, corn oil and waste cooking oil that was established through the PLS‐DA model could identify waste cooking oil accurately from vegetable oils. The identification model established based on selection of waveband characteristics and intensity ratio of different Raman spectrum characteristic peaks could distinguish vegetable oils from waste cooking oil accurately. Research results demonstrated that both ratio method and PLS‐DA could identify waste cooking oil samples accurately. The identification model based on characteristic waveband ratio is simpler than PLS‐DA model. It is widely applicable to identification of waste cooking oil. Copyright © 2016 John Wiley & Sons, Ltd.     

拉曼光谱在油气地质应用中的研究进展

拉曼光谱具有简单、快速、原位、微区、无损、高分辨率和高灵敏度等优点,可以分析物质的成分与分子结构信息,是开展地质研究的有力工具。通过回顾近年来拉曼光谱的研究进展,结合实际的油气地质研究工作及分析测试经验,对拉曼光谱在油气地质研究中的应用进行总结,并讨论现阶段应用过程中存在问题及未来的发展方向。拉曼光谱在油气地质中的应用主要分为三个方面：（1）矿物与流体包裹体分析,可以确定成岩-成藏流体类型及组成、成岩-成藏作用过程,包括岩矿鉴定、流体包裹体中流体体系分析、水-岩相互作用过程研究、地质样品同位素研究等;（2）不同类型有机质成熟度分析,可以用于恢复热史、油气成藏期次约束;（3）流体包裹体压力恢复,可以研究油气藏的形成与演化过程。主要方式为利用流体包裹体中气体的拉曼特征峰位移变化量、气体溶解度恢复流体包裹体内压及捕获压力。在实际油气地质研究中,多种因素制约拉曼光谱的定量/半定量应用,主要包括：地质样品复杂性与特殊性、样品处理方式、拉曼测试参数与测试环境、拉曼光谱数据处理与分析方式。拉曼光谱分析测试流程标准化、挑选和制备校准标样;拉曼光谱与冷热台、水热金刚石压腔（HDAC）、高压可视反应腔（HPOC）、扫描电镜（SEM）、电子探针（EPMA）等仪器联用,开展复杂体系原位、实时、不同温压条件下测试,是进一步将拉曼光谱应用到油气地质中的研究方向。     

姜油细胞原位拉曼光谱研究

提出一种用拉曼光谱原位分析新鲜姜油细胞中姜油主成分的方法。用徒手切片制备新鲜姜样品,该样品置于DXR 激光共焦显微拉曼光谱仪下,用20倍物镜观察到油细胞,将激光聚焦在该油细胞上,获得了姜油细胞中姜油的拉曼光谱,共21条谱峰。不同油细胞上获得的拉曼光谱非常相似。获得了姜精油的拉曼光谱,与姜精油拉曼光谱的37条谱峰比较,油细胞有19条谱峰与之有对应关系。为了解释油细胞精油及姜精油的拉曼光谱,用密度泛函理论计算了姜烯的拉曼光谱。姜精油拉曼光谱有31条谱峰,油细胞中有19条谱峰与计算光谱有对应关系。该研究提供了一种拉曼光谱技术与密度泛函理论计算结合的快速容易的精油质量控制方法。     

油酸和亚油酸的激光拉曼光谱

不同的不饱和脂肪酸各自具有其不同的生理功能,但常见的不饱和脂肪酸产品大部分为几种脂肪酸的混合物,故在应用前对不纯的脂肪酸产品进行组成分析是必须的。测量了不饱和脂肪酸产品组分中最常见的油酸和亚油酸的拉曼光谱,确定了各拉曼谱线的振动模归属,分析了其分子的构象特征。该结果为研究长链不饱和脂肪酸的振动能级结构及能级间跃迁等做了基础工作,丰富了有机物分子的价键数据和性质。同时详细分析比较了油酸和亚油酸拉曼光谱的差异,为定性鉴别脂肪酸产品的成分提供了一种简便有效的方法,对拉曼光谱在地沟油检测方面的应用具有重要的指导意义。     

三维荧光光谱结合稀疏主成分分析和支持向量机的油类识别方法研究

石油污染的出现,导致生态环境遭到破坏。因此,油类识别方法的研究对于环境的保护具有重要意义。采用荧光光谱法获得石油光谱数据,并对其进行预处理,再通过降维方法来提取特征信息,最后利用模式识别算法进行分类,从而可以实现对油类的定性分析,因此研究一种更高效的数据降维方法以及识别分类算法极其重要。基于三维荧光光谱技术,利用稀疏主成分分析（SPCA）对FS920光谱仪测得的荧光光谱数据进行特征提取,再利用支持向量机（SVM）算法对提取的特征数据进行分类识别,获得了一种更加高效的油类识别方法。首先,利用海水和十二烷基硫酸钠（SDS）配制成浓度为0.1 mol·L-1的胶束溶液,将其作为溶剂配制柴油、航空煤油、汽油以及润滑油各20种不同浓度的溶液;然后,利用FS920光谱仪测得样本溶液的三维荧光光谱数据,对得到的光谱数据进行预处理;最后,对预处理后的数据分别利用SPCA和主成分分析（PCA）进行特征提取,再利用SVM和K最近邻（KNN）两种模式识别算法对特征向量进行分类,最终得到四种模型PCA-KNN,SPCA-KNN,PCA-SVM以及SPCA-SVM的分类结果。研究结果表明,由四种模型得到的分类准确率分别为85%,90%,90%和95%,其中,在同种分类算法中,利用SPCA进行特征提取得到的分类准确率均比PCA的准确率高5%,因此可知,SPCA的稀疏性具有突出主要成分的作用,在提取光谱特征时能够减小非必要成分的影响,并且载荷矩阵的稀疏化可以去除变量之间的冗余信息,优化降维特征信息,为后续分类提供更有效的数据特征信息;在同种特征提取算法下,利用SVM算法进行分类得到的分类准确率均比KNN算法得到的准确率高5%,表明SVM算法在分类中更具有优势。因此,本文利用三维荧光光谱技术结合SPCA和SVM算法,实现了对石油的准确识别与分类,为今后对石油污染物的高效检测提供了新思路。     

对痕量羊角材料降解产物的表面增强拉曼光谱研究

将一定浓度的硝酸银与柠檬酸三钠混合后,利用微波加热法制备纳米银溶胶,该方法加热速度快、温度分布均匀、反应条件易控制。采用准弹性激光散射技术检测其粒度大小及分布状态的信息,测得其平均粒度为(53.27±2.65)nm,粒度大小集中分布在56 nm左右。然后以之作为表面增强拉曼光谱(SERS)的活性基底,研究测定羊角痕量降解产物的SERS光谱。结果发现,羊角降解产物的表面增强拉曼效应显著,尤其在659,830,850,929,999,1 028,1 280,1 439,1 599 cm-1等多处出现了明显的拉曼振动峰,这些谱峰反映了羊角降解产物的生化成分信息。并且通过对所获得的羊角降解产物SERS信号进行的谱峰归属分析表明,羊角降解产物主要为氨基酸与多肽类物质。运用表面增强拉曼光谱检测角材料的降解产物,获得较高的灵敏度,可测定浓度低至ppm水平的痕量降解产物,本研究表明,SERS可能为羊角等角材料降解产物的检测提供一种快速、直观、准确的新方法。     

融合拉曼散射光和荧光信号反演海面溢油厚度的算法研究

随着海洋溢油问题的日益严重,多种遥感技术被用于海面溢油监测,其中激光诱导荧光(LIF)技术是目前被认为最有效的海面溢油探测技术之一。Hoge等基于LIF技术提出了一种利用拉曼散射光评估薄油膜厚度的积分反演算法并广泛应用于海面溢油探测,针对该算法存在误差较大的问题,提出一种融合拉曼散射光和荧光信号评估海面溢油厚度的反演算法。首先利用拉曼散射光信号反演油膜厚度,然后利用该反演结果计算获取溢油油品的荧光特征光谱,最后利用荧光信号反演油膜厚度。文中推导了利用荧光信号反演油膜厚度的算法,给出了油品荧光特征光谱的逼近算法,并给出了利用荧光信号反演油膜厚度的误差分析。通过实验对该方法进行了验证,选用原油和柴油为实验油品,以波长405 nm的激光作为激发光源,采集波长范围为420～700 nm,采集了海水的背景荧光和拉曼散射光信号、实验油品2,5,10和20 μm等不同厚度油膜的光谱信号。将采集数据分为训练集和测试集,利用训练集数据采用梯度下降法获取油品的荧光特征光谱,利用测试集数据分别采用积分拉曼法和该方法反演油膜厚度。采用积分拉曼法,原油不同厚度油膜反演结果的平均误差分别为12.6%,4.6%,4.4%和2.3%,柴油不同厚度油膜反演结果的平均误差分别为14.0%,7.0%,4.2%和3.6%;采用本文方法,原油不同厚度油膜反演结果的平均误差分别为2.5%,2.2%,1.2%和1.1%,柴油不同厚度油膜反演结果的平均误差分别为3.0%,2.4%,2.7%和1.6%。实验结果表明,2 μm油膜反演结果的误差降低最多,原油和柴油2 μm油膜的反演结果误差分别由12.6%和14.0%降低为2.5%和3.0%,其他厚度油膜反演结果的误差也有较大程度的降低,油膜厚度反演结果的误差均小于3%,采用本文算法可以有效提高油膜厚度反演结果的精度。     

基于激光拉曼检测技术的输油管道原油鉴别方法

为降低长距离原油输送过程中混油产生的损失, 需定时检测管线原油成分以确定是否出现混油事故。常规检测输油管线原油成分需从现场管线中取样后, 再进行室内检测, 该类技术操作复杂且易受环境因素的影响, 未能实时反映管道混油后油品成分变化。文中应用激光拉曼光谱对原油识别检测进行了实验研究, 试验选取辽河油田不同区块2种原油, 通过特征峰及图谱分析, 实现不同类型原油的识别。结果表明, 2 800 cm-1~3 000 cm-1区域特征峰是激光拉曼证明烷烃存在的重要标志, 该段拉曼谱图特征峰的不同代表了烷烃组分的差异性, 可以有效区分不同类型的原油。该方法的进一步研究, 有望形成一套油品快速、实时检测的技术方法。     

SDS胶束溶液在石油类污染物荧光光谱测量中的应用

提出了一种以十二烷基硫酸钠(SDS)胶束溶液为溶剂增溶、增敏、增稳石油类物质的新方法。研究了石油类物质的荧光强度随SDS胶束溶液浓度的变化规律,确定了其溶剂SDS胶束溶液的最佳浓度为0.1 mol·L-1。使用FLS920荧光光谱仪测量得到不同稀释浓度的汽油、柴油、煤油SDS胶束溶液的三维荧光光谱矩阵(EEMs),分析了瑞利(Rayleigh)散射、拉曼(Raman)散射以及仪器光谱特性对测量光谱的影响,经过光谱校正,建立了三种油的SDS胶束溶液在激发波长为250～400 nm、发射波长为260～500 nm范围内的三维荧光光谱图,并确定了在一定浓度范围内荧光强度与浓度具有良好的线性关系。在相同条件下,用同样的方法配制各种浓度汽油、柴油、煤油水溶液作对比,验证了SDS胶束溶液作为石油类物质的溶剂可以使水中石油类物质的溶解度增加、荧光强度增大、稳定性更好,实现了石油类物质可以不依赖于某些有毒溶剂萃取,又解决了其水中溶解度低不宜定量的问题。